CWM · Memahami dan memprediksi
Consumer World Model mengubah fakta anggota, pesanan, dan perilaku menjadi satu profil pelanggan yang dapat dipakai tim, aplikasi, dan asisten AI. Prediksi berasal dari riwayat pelanggan itu sendiri. Mulai dari analisis standar yang tersedia hari ini, lalu hubungkan ke alur kerja Anda.
500.000 kredit sambutan untuk akun CWM baru
Consumer World Model
Fakta → Pemahaman
Data anggota, pesanan, dan perilaku
Sinyal konsumen dan representasi perilaku
Konsol, aplikasi, atau alur kerja AI Anda
Satu prediksi anggota mengembalikan perilaku selanjutnya dan jendela pembelian pribadi, menggabungkan sinyal konsumen dengan konteks permintaan merek ketika kepala fusi penyewa siap.
Contoh interaktif
Semua status dan angka adalah contoh sintetis, bukan prediksi langsung atau kesiapan ruang kerja. Tidak ada data pelanggan yang dikirim.
Prediksi perilaku tetap tersedia. Jendela pembelian tetap tidak tersedia sampai kepala fusi merek dilatih dan divalidasi.
Satu distribusi akhir atas empat peristiwa yang didukung dalam contoh ini. Probabilitas peristiwa berikutnya tidak dikalibrasi.
| Acara berikutnya | Probabilitas |
|---|---|
| Pembelian | 37% |
| Kunjungan portal | 28% |
| Klik email | 21% |
| Penukaran kupon | 14% |
Email yang dikirim adalah peristiwa konteks input, bukan target prediksi. Probabilitasnya adalah null. Peristiwa lain yang tidak didukung atau tidak tercakup juga tetap tidak tersedia.
Sinyal CWM pribadi + konteks permintaan merek TimesFM.
Peluang setidaknya satu pembelian. Jendela ini bersifat kumulatif; jangan menjumlahkannya atau menambahkannya ke distribusi acara.
Permintaan satu anggota mengembalikan distribusi dan purchaseWindows bersama.
curl --request GET \
"https://YOUR_API_HOST/api/v2/cwm/members/YOUR_MEMBER_UUID/next-behaviors" \
--header "Authorization: Bearer YOUR_API_KEY"{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "cwm_predict_next_behaviors",
"arguments": {
"member_id": "YOUR_MEMBER_UUID"
}
}
}Ganti host API, UUID anggota, dan kunci API dengan nilai ruang kerja Anda.
Akses yang diperlukan · predictions:read mengembalikan perilaku. Juga memberikan metrics:read (atau *) untuk mengaktifkan jendela pembelian saat model sudah siap.
Hanya cuplikan sintetis. Respons model merek juga mencakup katalog acara lengkap dan metadata liputan; referensi publik sebelumnya menggunakan kosakata enam kelas terpisah.
{
"predictionKind": "next_event",
"unit": "probability_0_1",
"status": "degraded",
"distribution": {
"status": "ok",
"vocabulary": "member_event",
"normalization": "conditional_on_supported_events",
"calibrated": false,
"rows": [
{
"key": "purchase.completed",
"label": "Purchase",
"probability": 0.37,
"rank": 1,
"availability": "predicted"
},
{
"key": "portal.visited",
"label": "Portal visit",
"probability": 0.28,
"rank": 2,
"availability": "predicted"
},
{
"key": "email.clicked",
"label": "Email clicked",
"probability": 0.21,
"rank": 3,
"availability": "predicted"
},
{
"key": "coupon.redeemed",
"label": "Coupon redeemed",
"probability": 0.14,
"rank": 4,
"availability": "predicted"
},
{
"key": "email.sent",
"label": "Email sent",
"probability": null,
"rank": null,
"availability": "context_only"
}
]
},
"purchaseWindows": {
"unit": "probability_0_1",
"probabilities": {
"7": null,
"30": null,
"90": null
},
"calibrated": false,
"envelope": {
"status": "unavailable",
"backend": "cwm-timesfm-2.5",
"reasonCodes": [
"fusion_not_trained"
]
}
},
"reasonCodes": [
"fusion_not_trained"
]
}Data sintetis · TimesFM 2.5
Contoh perkiraan dari 128 hari riwayat sintetis. Bandingkan pola terkini dengan permintaan harian di masa mendatang dan kuantilnya.
Unit permintaan sintetis
| Tanggal (UTC) | Prakiraan poin | q10–q90 |
|---|---|---|
| 2026-10-05 | 22.9 | 22.8–23.0 |
| 2026-10-06 | 21.3 | 21.2–21.4 |
| 2026-10-07 | 18.7 | 18.6–18.8 |
| 2026-10-08 | 17.1 | 17.0–17.1 |
| 2026-10-09 | 17.7 | 17.6–17.7 |
| 2026-10-10 | 20.0 | 20.0–20.1 |
| 2026-10-11 | 22.3 | 22.3–22.4 |
| 2026-10-12 | 22.9 | 22.9–22.9 |
| 2026-10-13 | 21.3 | 21.2–21.3 |
| 2026-10-14 | 18.7 | 18.6–18.7 |
| 2026-10-15 | 17.1 | 17.0–17.2 |
| 2026-10-16 | 17.7 | 17.6–17.7 |
| 2026-10-17 | 20.0 | 19.9–20.1 |
| 2026-10-18 | 22.4 | 22.3–22.4 |
| 2026-10-19 | 22.9 | 22.8–23.0 |
| 2026-10-20 | 21.3 | 21.2–21.4 |
| 2026-10-21 | 18.7 | 18.6–18.7 |
| 2026-10-22 | 17.1 | 17.0–17.1 |
| 2026-10-23 | 17.7 | 17.6–17.7 |
| 2026-10-24 | 20.0 | 19.9–20.0 |
| 2026-10-25 | 22.3 | 22.3–22.4 |
| 2026-10-26 | 22.9 | 22.8–22.9 |
| 2026-10-27 | 21.3 | 21.2–21.3 |
| 2026-10-28 | 18.7 | 18.6–18.7 |
| 2026-10-29 | 17.1 | 17.0–17.2 |
| 2026-10-30 | 17.7 | 17.6–17.7 |
| 2026-10-31 | 20.0 | 20.0–20.1 |
| 2026-11-01 | 22.4 | 22.3–22.4 |
| 2026-11-02 | 22.9 | 22.8–22.9 |
| 2026-11-03 | 21.3 | 21.2–21.3 |
Contoh sintetis, dihasilkan dengan bobot TimesFM 2,5. Perkiraan dimulai pada 2026-10-05 (UTC); tanggal ditetapkan untuk demo. Cakupan kuantil tidak dikalibrasi. Nilai tidak mewakili permintaan pelanggan atau probabilitas pembelian individu.
Menerima satu distribusi probabilitas dan peringkat akhir. Model merek yang dievaluasi diprioritaskan, dengan hingga 23 target yang tercakup. Jika tidak tersedia, model publik internal yang diprioritaskan membentuk satu referensi enam kelas. Peristiwa yang tidak didukung dan hanya kontekstual tetap tidak tersedia.
Termasuk secara otomatis dalam respons anggota yang sama: sebuah head ringan pribadi penyewa menggabungkan sinyal CWM dengan tren merek TimesFM. Head yang siap melayani secara langsung; kurangnya pelatihan atau evaluasi hanya membuat jendela pembelian tidak tersedia.
Jika layanan TimesFM 2.5 dikonfigurasi dan riwayat harian lengkap, perkirakan pendapatan, pesanan, atau unit yang terjual hingga 90 hari, dengan perkiraan titik dan sembilan kuantil.
Probabilitas kejadian berikutnya berjumlah 100% di atas kandidat yang didukung dan tidak dikalibrasi. Jendela pembelian secara terpisah memperkirakan setidaknya satu pembelian dalam 7/30/90 hari dan bersifat kumulatif, tidak pernah dinormalisasi dengan kelas kejadian. Keheningan yang telah berlalu tidak dikondisikan dalam vektor kejadian. Referensi prioritas publik belum mendapatkan validasi ruang kerja.
Kuantil permintaan menggambarkan ketidakpastian agregat; ini bukan interval pembelian individual dan belum dikalibrasi. Data yang hilang tetap tidak tersedia. Tidak ada peningkatan akurasi yang diklaim sebelum evaluasi Anda sendiri.
Tinjau perilaku yang diamati, kondisi konsumen, dan sinyal model standar untuk pembelian, jeda panjang, dan penghapusan keranjang belanja. Hasil mengidentifikasi data yang hilang dan batasan setiap sinyal.
Jelajahi kemiripan perilaku, klaster, dan tinjauan anomali. Kesamaan membantu Anda menyelidiki audiens; ini bukan jaminan tingkat konversi.
Gunakan konsol CWM, REST, API, atau MCP dari aplikasi atau klien AI Anda. Kunci yang dibatasi mengontrol akses ke ruang kerja Anda.
Analisis yang dapat digunakan memerlukan data yang didukung dan riwayat perilaku yang cukup. Sinyal yang tidak tersedia dilaporkan secara eksplisit; akun baru tidak berisi data pelanggan atau prediksi.
Alur kerja ilustratif · bukan prediksi langsung
Diimpor dengan identitas dan izin ruang kerja Anda.
Tim atau aplikasi Anda memilih cara menggunakan hasilnya.
Konsol / REST API / MCP
Tinjau analisis di konsol atau biarkan aplikasi resmi atau klien AI menanyakan CWM. Impor fakta yang didukung, buat kunci lingkup, dan ikuti referensi publik untuk operasi yang tersedia.
Baca referensi API & MCP →Penggunaan prabayar
Akun CWM baru menerima kredit selamat datang. Operasi yang memenuhi syarat mengurangi kredit dengan tarif yang dipublikasikan. Beli kredit tambahan di ruang kerja Anda; saldo dan penggunaan Anda tetap terlihat di sana.
Daftar dengan email dan kata sandi atau Google, dan setujui perjanjian pengguna CWM. Ketersediaan layanan ditampilkan selama pendaftaran.
Coba CWM →Penelitian & arahan model tingkat lanjut
Arah CWM yang lebih luas mencakup pemodelan perilaku dan kembaran digital. Tolok ukur penelitian, validasi model per merek, dan simulasi dijelaskan secara terpisah dari operasi standar yang tersedia di ruang kerja layanan mandiri.
CWM / Harness / Loop Marketing
Memahami dan memprediksi · Inti
Consumer World Model
Pahami setiap pelanggan dalam satu profil dan prediksi risiko churn, pembelian berikutnya, serta nilai 12 bulan dari riwayat pelanggan itu sendiri. Skor tidak ditampilkan jika riwayat terlalu tipis.
Jelajahi CWM →Mengatur tindakan · Runtime
SocialHub Harness
Atur tindakan berikutnya dengan karyawan AI dan skill yang diatur, di dalam izin, anggaran, dan aturan tinjauan.
Jelajahi Harness →Hasil yang terukur · Aplikasi
Hasil terukur di saluran milik merek
Sampaikan kampanye, loyalitas, dan hasil terukur di saluran milik merek: email, SMS, dalam aplikasi, dan toko. Hubungan pelanggan dan data tetap di merek.
Jelajahi Loop Marketing →Hasil yang diamati memandu siklus berikutnya. Pembaruan model bergantung pada kualitas dan validasi data. Hubungan pelanggan dan data tetap di merek.
CWM
Buat ruang kerja, jelajahi konsol, dan hubungkan data pelanggan Anda. Beli kredit saat kapasitas tambahan diperlukan.
500.000 kredit sambutan untuk akun CWM baru
Harness + Loop Marketing
Lihat cara CWM, Harness, dan Loop Marketing sesuai dengan data pelanggan, saluran milik merek, dan asisten AI yang sudah dipakai tim Anda.
Jadwalkan Demo →